人形机器人和人类正面掰手腕了，快递分拣直播，目前人类稍稍领先
故事是这样的。
今天凌晨，Figure AI 开了一场直播。
不是发布会。不是精心剪辑的 demo 视频，没有慢镜头，没有 BGM，没有刻意选好的打光角度。
是真正的直播——机器人和人类站在同一条流水线前，分拣快递包裹，实时比赛，全世界的人在弹幕里看着。
Figure 03，Figure AI 最新的人形机器人，背后是 Helix AI 在驱动，和一个活生生的人类分拣工人，在同一个仓库里，同一批包裹，PK 谁快。
目前，人类稍稍领先。
好家伙。
我看到这条消息的时候愣了有一秒，不是因为人赢了，而是因为这件事本身发生了——我们到了「机器人可以在直播里跟人类实时 PK 快递分拣」这个阶段了。
这是一件听起来很普通、但我觉得时间线错位感很强的事。
先说说 Figure 这家公司。
Figure AI 成立于 2022 年，总部在加州桑尼维尔。这家公司融资速度之快，在硬件赛道里算是罕见的——微软、英伟达、OpenAI、亚马逊、贝佐斯个人，这几家和这个人一起投了他们。光是 2024 年初的 B 轮，就拿了 6.75 亿美元，估值超过 26 亿美元。
但钱多是一回事，让人记住他们的，是那几支视频。
Figure 01 在 BMW 车间工作的那段，你应该见过。机器人在真实汽车工厂的流水线上搬运、组装，动作流畅到让人一时没反应过来「这是机器人还是穿了护甲的人」。然后是 Figure 02，然后是现在的 Figure 03。每一代在感知精度和操作速度上都有肉眼可见的跳跃。
Figure 03 的官网第一句话是「The future of home help is here」。
注意，是 home help，家庭帮手。不是工厂自动化，不是物流中心，是家庭日常场景——叠衣服、整理收纳、拿东西。
但在真正进入家庭之前，得先在仓库里把基本功打扎实。快递分拣是他们现在选的训练场。
然后是 Helix。
Helix 是 Figure 自研的 AI 系统，也是他们真正在赌的那个核心——不是机器人的钢铁外壳和关节电机，那个硬件大家都在做，差距会越来越小。Helix 是让机器人「真正理解当下处境」的那层智能。
官网对 Helix 的描述是「AI that enables it to navigate unpredictable, ever-changing home environments」。
划重点：unpredictable，ever-changing，不可预测，时刻在变。
人形机器人最难的地方从来不是「能不能重复一个固定动作」，那个早就解决了，工业机械臂几十年前就解决了。难的是在一个随时变化的真实环境里——包裹大小各不同，掉落位置不一样，传送带速度有波动，旁边还有别人在走动——让机器人做出准确、实时的判断。
所以今天那场直播，表面上是 Figure 03 在跟人类比赛包裹分拣速度，实际上是 Helix 在被检验。
包裹一个接一个进来，Helix 要识别它、判断怎么抓、抓的力度、放到哪个格口、然后准备好接下一个。
这个过程人类做起来是「手熟了就快」，机器人做起来是「每一帧都在算」。
好，现在说回「目前人类稍稍领先」这六个字。
这六个字我想多说两句。
很多人看到这个新闻可能会松口气，「哈，还好，人类还是赢的。」甚至可能有一点小小的自豪感。
我理解这种感觉。
但我自己读到这消息，心情挺复杂的，不是因为机器人快追上了人类，而是因为「稍稍领先」这个措辞所代表的方向。
机器人的速度会越来越快，这是确定的。每一代迭代，每一批训练数据，每次软件升级，都在把速度往上推。而人类的分拣速度，基本上就是个接近常数的东西。
今天人类稍稍领先，三个月后开第二场直播，结果会是什么？
这不是悲观，这只是在看一个趋势的方向。
我想起 2016 年 AlphaGo 赢李世石的那一刻。那之前所有人都说「围棋太复杂了，AI 在我们有生之年赢不了人类」，结果事情就那么发生了，而且发生的比任何人预期的都早。
今天这场直播的感觉，有点像是某个赛道里的「AlphaGo 时刻」——还没到，但你隐约能看到它在多少步之后。
说说物流分拣为什么是人形机器人最先商业化的场景。
这一点其实已经是行业共识了，各家机器人公司都往这里冲，但背后的逻辑值得梳理一下。
第一，环境相对可控。仓库有固定的流水线结构，虽然包裹多样，但大类有限——无非是方盒子、圆桶、软袋、异形件那几种。相比「进入一个随机的家庭客厅，帮主人整理各种各样的东西」，仓库是结构化得多的场景。
第二，评估标准很清晰。速度和准确率，数字说话，客观可测。不像在家庭场景里，「你帮我叠衣服，叠得不如我喜欢的样子」，这种主观判断机器人很难应对。
第三，容错空间相对大。包裹掉了可以重来，最坏的结果是包裹受损，不像外科手术或者家庭护理那类场景，对失误几乎零容忍。
第四，经济账算得过来。大型物流仓库的分拣岗位多，人工成本可观，如果机器人每小时能处理的量接近人类，替换的 ROI 就能跑正。
所以快递分拣是一个很好的「机器人商业化练兵场」——先在这里把技术成熟度验证了，数据攒起来，然后向更复杂的场景扩展。
Figure 选择这里，宇树选择这里，波士顿动力也在往类似方向走，不是偶然。
我想在这里插一个 Figure 今天选择「开直播」这个动作本身的细节，因为我觉得这挺值得玩味的。
任何一家做机器人的公司都清楚，demo 视频可以做得很漂亮。挑一段表现好的片段，加点配乐，4K 慢镜头，灯光场景全部设计好，没有什么硬件公司做不出一个让人印象深刻的宣传视频。
但直播不一样。
直播是实时的，是会出现意外的，是机器人可能卡住、失误、手感不对然后停下来的。
Figure 选择开直播，某种程度上是在说，「我们对实时表现已经有足够的信心了。」
但同时，这个直播还有一个更聪明的设计——他们让人类参与进来了。
如果没有人类对比，光是 Figure 03 在分拣，你看不出速度快不快，只是「哦，机器人在工作」。
把人请进来站在旁边，同台竞技，「人类 vs 机器人」这个叙事框架就出来了。哪怕今天机器人没赢，这个画面本身就是一个极具传播力的信号——机器人已经能和人类正面 PK 了。
正向结果（机器人赢了）是里程碑。 负向结果（人类赢了，但差距很小）是「机器人正在赶上」的预期管理。
两种结果都可以讲故事，Figure 用一场直播同时覆盖了两种可能性。
这手有点子牛逼了。
稍微展开一下现在整个人形机器人赛道的状态。
这两年赛道的速度让我觉得有点恍惚。
去年这个时候，业内主流观点是「真正能在真实环境里干活的人形机器人，需要五到十年」。结果今年，特斯拉 Optimus 在德州工厂上岗了，宇树 G1 在做厂区任务，Figure 03 在开实时直播和人类比赛。
时间线在加速压缩。
背后有几个因素在叠加。
一个是基础模型能力的跨越直接带动了机器人的智能层。人形机器人的硬件进化了很多年，但机器人「理解世界和做出判断」的能力一直是短板。过去两年大语言模型的视觉推理和动作规划能力，被移植进了机器人的决策层，相当于给机器人装上了新的大脑。
另一个是硬件成本在快速下降。关节电机、执行器、传感器，这些东西的成本在过去两年下降的速度超过了大多数人的预期，主要是因为中国供应链大规模进入这个赛道。宇树、智元、银河通用、傅利叶，这些公司一起在把零部件成本往下压。
还有一个是数据飞轮——不是那种营销黑话里的「数据飞轮」，是真实发生的循环。工厂和仓库里部署的机器人实例在实际工作的同时产生操作数据，这些数据反过来训练下一代模型，下一代模型让机器人变得更好，然后部署更多实例，产生更多数据。
这个循环一旦转起来，速度会超出直觉。
这里有件事我真的没想明白，你可能也没想明白。
当机器人在物流分拣这个场景里超过人类速度之后，那些分拣岗位会怎样？
不是「很遥远的将来」，是可能两三年内的事。
一个大型物流仓库同时可能有几千人在做分拣工作。如果这个场景被机器人替代了，这些人怎么办？
我知道标准答案，「技术进步历史上总会创造新岗位」。这句话在历史上大部分时候是对的，蒸汽机替代了纺织工人，但创造了铁路工人；互联网来了，创造了内容创作者和程序员。
但这次有一个问题：速度。
之前每一次技术替代，都给了人类几十年的适应时间。从农业迁移到工厂，花了几代人。从体力劳动转向服务业，又花了几十年。
这次，如果人形机器人在五到十年内商业化，同时大模型在替代大量脑力工作，两个浪头叠在一起，过渡时间可能缩短到让人来不及适应的程度。
我自己在技术圈，通常对这类问题持乐观态度。但今天看到「直播，实时 PK，人类稍稍领先」这几个字的时候，心里有种说不太清楚的感觉。
不是恐惧，是「这件事真的在发生了」的实感。
快结尾了，我想说一件感觉有点好玩的事。
那场直播里赢了机器人的人类分拣工人，大概是最近整个人形机器人赛道里，唯一真正「赢了」的人类。
他们赢的不只是今天这场比赛，还赢了一个时间节点——在机器人的速度超过人类之前，被全世界的 AI 观察者们盯着，在摄像头前，赢了一把。
这件事在五年后回看，会是什么感觉？
可能是「啊，那是最后一批人类赢过机器人的直播」。也可能是「机器人最终没有替代分拣工人，只是改变了分拣工作的方式」。
我不知道。
但我知道，那场直播的那几个工人，干的是一件值得被记录下来的事。
今天，他们比机器人快一点点。
目前，人类稍稍领先。